WO2014015780A1

WO2014015780A1 - 一种视频处理方法及装置、系统

Info

Publication number: WO2014015780A1
Application number: PCT/CN2013/079835
Authority: WO
Inventors: 叶小阳; 李明
Original assignee: ZTE Corp
Current assignee: ZTE Corp
Priority date: 2012-07-23
Filing date: 2013-07-22
Publication date: 2014-01-30
Anticipated expiration: 2015-01-23
Also published as: CN103581609B; EP2852157A4; CN103581609A; EP2852157A1; US20150172558A1; US9497390B2; EP2852157B1

Abstract

本发明实施例公开了一种视频处理方法，所述方法包括：按照预先确定的视频排列信息，将两个或两个以上的原始视频图像拼接，得到一个合成视频图像；对所述合成视频图像编码；将所述编码后的合成视频图像发送出去。相应的，本发明实施例还公开了视频处理装置及系统，能够确保远程呈现会议中多路视频之间的严格同步；并且，解决了视频图像输出位置的确定问题，从而使得远程呈现会议呈现逼真的通信效果。

Description

一种视频处理方法及装置、系统技术领域

本发明实施例涉及视频会议技术，尤其涉及一种视频处理方法及装置、系统。背景技术

远程呈现以其真实的临场感深受高端用户的喜爱，听声辩位、真身大小是远程呈现系统的关键技术指标。

在远程呈现会议系统中，要达到真身大小和听声辩位的效果，有多显示屏的终端会场，每个显示屏显示远端一处坐席的与会者图像，并与音频输出方位相对应。即会场中显示发言者图像的显示屏，与发言者音频的输出方位相对应。比如三屏会场，左席发言，那么应该听到声音从左侧发出。因此，远端图像输出的位置需要按照协商的策略确定，且多屏之间的时序严格同步，才能呈现逼真的通信效果。

发明人发现在远程呈现会议系统中，若采用多路视频分别编码传输的方式，则很难实现多路视频之间的严格同步，从而难以达到视频会议对实时性的严格要求，且不能解决视频图像输出位置的确定问题。发明内容

有鉴于此，本发明实施例的主要目的在于提供一种视频处理方法及装置、系统，能够保证远程呈现会议中多路视频之间的严格同步。

为达到上述目的，本发明实施例的技术方案是这样实现的：

本发明实施例提供了一种视频处理方法，所述方法包括：

按照预先确定的视频排列信息，将两个或两个以上的原始视频图像拼接，得到一个合成视频图像；

对所述合成视频图像编码；

将所述编码后的合成视频图像发送出去。

其中，所述将两个或两个以上的原始视频图像拼接之前，所述方法还包括：分别由两个或两个以上的视频采集设备采集所述两个或两个以上的原始视频图像。

其中，所述视频排列信息包括各所述原始视频图像所对应的视频采集设备的标识、各所述原始视频图像在所述合成视频图像中的位置信息、各所述原始视频图像所对应的视频显示设备的标识之间的对应关系。

其中，所述将两个或两个以上的原始视频图像拼接之前，所述方法还包括：通过与配置为接收所述视频图像的端点进行媒体能力协商，确定所述视频排列信息。

本发明实施例还提供了一种视频处理装置，其中，所述装置包括：拼接模块、编码模块和发送模块；其中，

拼接模块，配置为按照预先确定的视频排列信息，将两个或两个以上的原始视频图像拼接，得到一个合成视频图像；

编码模块，配置为对所述拼接模块得到的合成视频图像编码；发送模块，配置为将所述编码模块编码后的合成视频图像发送出去。其中，所述装置还连接有两个或两个以上的视频采集设备，所述视频采集设备配置为采集所述原始视频图像。

其中，所述装置还包括：第一确定模块，还配置为通过与配置为接收所述视频图像的端点进行媒体能力协商，确定所述视频排列信息；所述拼接模块，配置为根据所述第一确定模块确定的视频排列信息，将两个或两个以上的原始视频图像拼接，得到一个合成视频图像。

本发明实施例还提供了一种视频处理方法，所述方法包括：

接收由两个或两个以上的原始视频图像拼接并编码后的合成视频图像；

对所述合成视频图像解码；

按照预先确定的视频排列信息，对解码后的合成视频图像分解，得到两个或两个以上的原始视频图像，并将各所述原始视频图像分别发送到相应的视频显示设备上进行显示。

其中，所述对解码后的合成视频图像分解之前，所述方法还包括：通过与配置为发送所述合成视频图像的端点进行媒体能力协商，确定所述视频排列信息。

本发明实施例还提供了一种视频处理装置，其中，所述装置包括：接收模块、解码模块和分解模块；其中，

接收模块，配置为接收由两个或两个以上的原始视频图像拼接并编码后的合成视频图像；

解码模块，配置为对所述接收模块接收到的合成视频图像解码；分解模块，配置为按照预先确定的视频排列信息，对解码后的合成视频图像分解，得到两个或两个以上的原始视频图像，并将各所述原始视频图像分别发送到相应的视频显示设备上进行显示。

其中，所述装置还包括：第二确定模块，还配置为通过与配置为发送所述视频图像的端点进行媒体能力协商，确定所述视频排列信息；

所述分解模块，配置为根据所述第二确定模块确定的视频排列信息，对解码后的合成视频图像分解，得到两个或两个以上的原始视频图像。

本发明实施例还提供了一种视频处理方法，所述方法包括：

按照预先确定的视频排列信息，将两个或两个以上的原始视频图像拼接，得到一个合成视频图像，对所述合成视频图像编码后发送出去；

接收所述合成视频图像，对所述合成视频图像解码，并按照预先确定的视频排列信息，对解码后的合成视频图像分解，得到两个或两个以上的原始视频图像，再将各所述原始视频图像分别发送到相应的视频显示设备上进行显示。

其中，所述视频排列信息包括各所述原始视频图像所对应的视频采集设备标识、各所述原始视频图像的位置信息、各所述原始视频图像所对应视频显示设备的标识之间的对应关系。

其中，所述方法还包括：进行媒体能力协商，确定所述视频排列信息。本发明实施例还提供了一种视频处理系统，其中，所述视频处理系统包括：拼接模块、编码模块、发送模块、接收模块、解码模块和分解模块；其中，

编码模块，配置为对所述拼接模块得到的合成视频图像编码；发送模块，配置为将所述编码模块编码后的合成视频图像发送出去；接收模块，配置为接收所述发送模块发送的合成视频图像；

解码模块，配置为对所述接收模块接收到的合成视频图像解码；分解模块，配置为按照预先确定的视频排列信息，对解码后的合成视频图像分解，得到两个或两个以上的原始视频图像，并将各所述原始视频图像分别发送到相应的外接视频显示设备上进行显示。

其中，所述拼接模块还连接有两个或两个以上的视频采集设备，所述视频采集设备配置为采集所述原始视频图像。

其中，所述系统还包括：第一确定模块和第二确定模块，配置为进行媒体能力协商，确定所述视频排列信息；

所述拼接模块，配置为根据所述第一确定模块确定的视频排列信息，将两个或两个以上的原始视频图像拼接，得到一个合成视频图像；

其中，所述拼接模块、编码模块、发送模块和第一确定模块设置在本端终端上，所述本端终端外接视频采集设备；所述接收模块、解码模块、分解模块和第二确定模块设置在远端终端上，所述远端终端外接视频显示设备。

其中，所述系统还包括多点处理单元 MCU，配置为实现所述本端终端与一个或多个远端终端之间的交互。

其中，所述系统包括多个终端和 MCU，其中，所述多个终端之间互为本端终端和远端终端，通过所述 MCU进行交互；

各所述终端均外接有视频采集设备和视频显示设备，每个所述终端均包括所述拼接模块、编码模块、发送模块、接收模块、解码模块、分解模块、第一确定模块和第二确定模块；所述 MCU中包括所述拼接模块、编码模块、发送模块、接收模块、解码模块、分解模块、第一确定模块和第二确定模块。

本发明实施例的视频处理方法及装置、系统，能够将多路原始视频图像拼接为一个合成视频图像后再进行编码和发送，确保远程呈现会议中多路视频之间的严格同步；并且，在接收所述合成视频图像后先分解为多个原始视频图像再分别由相应的视频显示设备显示，解决了视频图像输出位置的确定问题，保证远程呈现会议中多屏之间的时序严格同步，视频图像按照预先设定的位置输出，从而呈现逼真的通信效果。附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图 1为本发明实施例一中视频处理系统的组成结构示意图；

图 2为本发明实施例一中视频处理过程的具体实现流程示意图；图 3为本发明实施例二中视频处理系统的组成结构示意图；

图 4为本发明实施例二中视频处理过程的具体实现流程示意图；图 5为本发明实施例三中视频处理系统的组成结构示意图。具体实施方式

在本发明实施例中，发送端将采集的多个视频图像按照预先协商的视频排列信息进行拼接，合成一个图像后进行编码发送；接收端接收所述图像并解码后，按照所述视频排列信息将所述图像进行分解，得到所述多个视频图像，并将所述多个视频图像发送到各自的显示设备上进行显示。实施例一

本实施例提供了一种配置为远程呈现的视频处理系统，所述系统包括：多个视频采集设备（ VC1、 VC2、 VC3 )、多个视频显示设备（ VD1、 VD2、 VD3 )、本端终端和远端终端，其中，所述多个视频采集设备与本端终端连接，多个视频显示设备与远端终端连接。视频采集设备配置为采集原始视频图像，并将采集到的原始视频图像发送给本端终端，本端终端作为视频图像的发送端，将各视频采集设备发送的原始视频图像进行拼接得到一个合成视频图像，再对所述合成视频图像进行编码并发送；远端终端作为视频图像的接收端，接收所述本端终端发送的合成视频图像，将所述合成视频图像进行分解，得到多个原始视频图像，再将所述多个原始视频图像分别发送给对应的视频显示设备进行显示。

具体地，如图 1 所示，本端终端与远端终端之间进行点对点组网，本端终端上连接有三个视频采集设备（VC1、 VC2、 VC3 )，分别采集 3路原始视频图像，相应的，远端终端上连接有三个视频显示设备（VD1、 VD2、 VD3 )，分别显示所述 3路原始视频图像。

本实施例中，如图 2所示，基于上述的视频处理系统进行视频处理的过程，具体可以包括如下步骤：

步骤 201 : 本端终端与远端终端预先进行媒体能力协商，确定视频排列信息配置为指示从左至右的排列方式对 VC1、 VC2、 VC3的原始视频图像进行拼接。

这样，使得三个视频采集设备 VC1、 VC2、 VC3分别采集的左路（ VC1 )、中路（VC2 )、右路（VC3 )的原始视频图像能够分别在位于左（VD1 )、中 ( VD2 )、右（VD3 )处的视频显示设备中显示。

具体地，可以在所述视频排列信息预先规定各视频采集设备所采集视频图像的位置信息。在本实施例中，在所述视频排列信息中具体可以规定三个视频采集设备 VC1、 VC2、 VC3所采集到的视频图像在所述合成视频图像中的坐标位置以及大小等信息。例如，可以在所述视频排列信息中规定 VC1视频图像的宽度、高度以及坐标起始位置， VC2视频图像的宽度、高度以及坐标起始位置， VC3 视频图像的宽度、高度以及坐标起始位置。如果需要将 VC1、 VC2、 VC3的视频图像按照左中右的顺序拼接，则可以在所述视频排列信息中规定 VC1视频图像在所述合成视频图像中的坐标起始位置为零， VC2视频图像在所述合成视频图像中的坐标起始位置与 VC1 视频图像的宽度相同， VC3 视频图像在所述合成视频图像中的坐标起始位置为 VC1视频图像与 VC2视频图像的宽度之和。或者，也可以在所述视频排列信息中规定各视频采集设备（VC1、 VC2、 VC3 )所采集视频图像的大 'J、以及在所述合成视频图像中的相对位置等信息，以使得本端终端在对各视频图像进行拼接时能够依据该视频排列信息中各视频图像的大小以及相对位置进行拼接处理，得到一个合成视频图像。

这里，在所述视频排列信息中还可以规定各原始视频图像所对应的视频显示设备。对于本实施例中的应用场景，可以在所述视频排列信息中规定如下信息： VC1对应 VD1、 VC2对应 VD2、 VC3对应 VD3; VD1表示左边位置处的视频显示设备， VD2表示中间位置的视频显示设备， VD3表示右边位置处的视频显示设备。

步骤 202: 三个视频采集设备（ VC1、 VC2、 VC3 )分别采集三路原始视频图像；

步骤 203 : 本端终端按照所述视频排列信息，对三个视频采集设备 ( VC1、 VC2、 VC3 )采集的三路原始视频图像进行拼接，得到一个合成视频图像，并对所述合成视频图像编码后通过自身与远端终端之间的媒体通道发送给远端终端；

步骤 204: 远端终端接收所述合成视频图像，对所述合成视频图像进行解码后，按照所述视频排列信息对解码后的合成视频图像进行分解，得到三路原始视频图像；

步骤 205: 远端终端将所述三路原始视频图像分别发送给左、中、右的三个视频显示设备进行显示。

具体的，远端终端接收到本端终端发送的合成视频图像码流后，进行解码处理后，根据上述协商的视频排列信息对解码后的合成视频图像进行分解处理，得到三个图像 VD1、 VD2、 VD3，发送给对应的视频显示设备进行显示。这样，远端终端在分解得到多路视频图像时，首先根据视频排列信息中所规定的各视频采集设备所采集视频图像的位置信息，对合成视频图像进行分解，得到多个视频图像，再将各视频图像在所对应的视频显示设备上显示。

本实施例中，本端终端具体包括拼接模块、编码模块和发送模块，其中，拼接模块配置为按照预先确定的视频排列信息，将各视频采集设备发送的各原始视频图像进行拼接，得到一个合成视频图像；编码模块，配置为对所述拼接模块得到的合成视频图像进行编码处理；发送模块，配置为将所述编码模块编码处理后的合成视频图像发送给远端终端。

远端终端具体可以包括接收模块、解码模块和分解模块，其中，接收模块配置为接收所述本端终端发送的合成视频图像；解码模块，配置为对所述接收模块接收到的合成视频图像进行解码处理；分解模块，配置为按照预先确定的视频排列信息，对所述解码模块解码处理后的合成视频图像进行分解，得到多个原始视频图像，并将多个原始视频图像分别发送给对应的视频显示设备进行显示。

本端终端还包括第一确定模块，还配置为通过与远端终端进行媒体能力协商，确定所述视频排列信息；所述拼接模块，配置为根据所述第一确定模块确定的视频排列信息，将两个或两个以上的原始视频图像进行拼接，得到一个合成视频图像。

远端终端还可以包括：第二确定模块，还配置为通过与配置为发送所述视频图像的终端进行媒体能力协商，确定所述视频排列信息；所述分解模块，配置为根据所述第二确定模块确定的视频排列信息，对解码后的合成视频图像进行分解，得到两个或两个以上的原始视频图像。

综上可知，本实施例中，本端终端与远端终端协商所确定的视频排列信息中可以包括各视频采集设备的标识、各视频采集设备所采集原始视频图像的位置信息、各视频显示设备的标识及三者之间的对应关系。原始视频图像的位置信息还可以包含各视频采集设备所采集原始视频图像的大小等信息。

实施例二

本实施例中的远程呈现的视频处理系统组成结构如图 3 所示，与实施例一中视频处理系统的组成结构基本相同，所不同的是，本实施例中的视频处理系统中还包括多点处理单元（ MCU )，本端终端与远端终端通过 MCU 本实施例中视频处理的过程如图 4所示，具体可以包括如下步骤：步骤 401 : 与步骤 201基本相同，所不同的是，本端终端与远端终端之间不是直接进行媒体能力协商，而是通过 MCU进行媒体能力协商。

也就是说，在进行媒体能力协商时，本端终端与配置为接收所述视频图像的端点进行媒体能力协商，确定所述视频排列信息。这里，所述端点为上述的远端终端或者 MCU。

步骤 402: 与步骤 202完全相同；

步骤 403: 与步骤 203基本相同，所不同的是，本端终端对所述合成视频图像编码后，通过自身与 MCU之间的媒体通道发送给 MCU。

步骤 404: MCU将通过自身与远端终端之间的媒体通道，将编码后的合成视频图像发送给远端终端；

步骤 405: 与步骤 204基本相同，所不同的是，远端终端接收 MCU转发的所述合成视频图像。

步骤 406: 与步骤 205完全相同。

本实施例中，本端终端与实施例一中的本端终端组成结构完全相同，远端终端与实施例一中远端终端的组成结构也完全相同，唯一不同的是，本实施例中本端终端的发送模块将合成视频图像发送给 MCU，远端终端的接收模块接收由 MCU转发的合成视频图像。

实施例三

本实施例提供了一种远程呈现的视频处理系统，如图 5 所示，所述系统包括：多个视频采集设备、多个视频显示设备、 MCU、第一终端、第二终端和第三终端，其中，第一终端上连接有三个视频采集设备（VC1、 VC2、 VC3 )和三个视频显示设备 ( VD4、 VD5和 VD6 ); 第二终端上连接有两个视频采集设备（VC4、 VC5 )和两个视频显示设备（VD1、 VD2 ); 第三终端上连接有一个视频采集设备（VC6 )和一个视频显示设备（VD3 )。第一终端、第二终端和第三终端均可以同时作为视频图像的发送端和接收端。第一终端、第二终端和第三终端通过 MCU组网，第一终端作为本端时，第二终端和第三终端作为相对应的远端，第二终端和第三终端作为本端时，第一终端作为相对应的远端。

本实施例中，进行视频处理的过程具体可以包括如下步骤：

步骤 1 : 第一终端、第二终端和第三终端预先分别与 MCU进行媒体能力协商，确定视频排列信息，并将所述视频排列信息分别配置到第一终端、第二终端、第三终端和 MCU上。

本实施例中，第一终端与 MCU协商确定的视频排列信息可以包括： VC1对应 VD1、 VC2对应 VD2、 VC3对应 VD3，在合成视频图像中采用从左至右的排列方式对 VC1、 VC2、 VC3的原始视频图像进行拼接；以及，包括： VC4对应 VD4、 VC5对应 VD5、 VC6对应 VD6，并在合成视频图像中采用从左至右的排列方式对 VC4、 VC5、 VC6的原始视频图像进行拼接。

第二终端与 MCU协商确定的视频排列信息可以包括： VC1对应 VD1、 VC2对应 VD2，在合成视频图像中采用从左至右的排列方式对 VC 1、 VC2 的原始视频图像进行拼接；以及， VC4对应 VD4、 VC5对应 VD5，并在合成视频图像中采用从左至右的排列方式对 VC4、 VC5的原始视频图像进行拼接。

步骤 2: 三个视频采集设备（ VC1、 VC2、 VC3 )分别采集原始视频图像；

步骤 3: 第一终端按照自身与 MCU协商确定的视频排列信息，对三个视频采集设备（VC1、 VC2、 VC3 )采集的原始视频图像进行拼接，得到第一合成视频图像，并对所述第一合成视频图像编码后通过自身与 MCU之间的媒体通道发送给 MCU;

步骤 4: MCU接收所述第一终端发送的第一合成视频图像的码流，进行解码后，根据自身与第一终端协商确定的视频排列信息再进行分解，得到三个原始视频图像，再将 VC1、 VC2的原始视频图像按照 MCU与第二终端协商确定的视频排列信息进行拼接，得到第二合成视频图像，对该第二合成视频图像进行编码后通过自身与第二终端之间的通道发送给连接有 VD1和 VD2的第二终端，将 VC3的原始视频图像编码后发送给连接有 VD3 的第三终端；

步骤 5: 第二终端接收 MCU发送的 VC1、 VC2的第二合成视频图像，进行解码后，根据 MCU与自身协商确定的视频排列信息进行分解，得到两个原始图像，分别发送给 VD1、 VD2进行显示；第三终端接收 MCU发送的 VC3的视频图像，解码后发送给 VD3进行显示。

此外，上述视频处理过程还可以包括如下的步骤：

步骤 6: 两个视频采集设备（VC4、 VC5 )分别采集原始视频图像，第二终端将两个视频采集设备（VC4、 VC5 )采集的两路原始视频图像按照自身与 MCU协商确定的视频排列信息进行拼接，得到第三合成视频图像，并对该第三合成视频图像进行编码后通过自身与 MCU之间的媒体通道发送给 MCU; 第三终端将视频采集设备 VC6采集的原始视频图像编码后发送给 MCU。

步骤 7: MCU对第二终端发送的第三合成视频图像解码后，再按照自身与所述第二终端协商确定的视频排列信息进行分解，得到两路原始视频图像；此外，还对第三终端发送的一路原始视频图像进行解码；然后， MCU 按照自身与第一终端协商确定的视频排列信息，对上述三路原始视频图像进行拼接，得到第四合成视频图像，并对所述第四合成视频图像编码后通过自身与第一终端之间的媒体通道发送给第一终端；

步骤 8: 第一终端接收所述 MCU发送的第四合成视频图像，对所述第四合成视频图像进行解码后，按照自身与 MCU协商确定的视频排列信息对解码后的第四合成视频图像进行分解，得到三路原始视频图像，分别输出到 VD4、 VD5和 VD6进行显示。

需要说明的是，步骤 1〜步骤 5的流程与步骤 6〜步骤 8的流程是互不影响的两个流程，不分先后。

本实施例中，第一终端、第二终端、第三终端和 MCU均包含拼接模块、编码模块、发送模块和第一确定模块，还可以包含第二确定模块、接收模块、解码模块和分解模块，分别与实施例二中相应模块的功能基本相同。具体地，拼接模块配置为在只有一个原始视频图像时，不对所述原始视频图像进行拼接处理，直接发送给编码模块进行编码；在有两个或两个以上原始视频图像时根据预先确定的视频排列信息对两个或两个以上原始视频图像进行拼接得到一个合成视频图像，发送给编码模块进行编码；发送模块配置为将编码模块编码处理后的原始视频图像或合成视频图像发送给第一终端或第二终端或第三终端或 MCU的接收模块；接收模块还配置为接收来自第一终端、或第二终端、或第三终端或 MCU的原始视频图像或合成视频图像，解码模块还配置为对接收模块接收到的原始视频图像或合成视频图像进行解码；分解模块还配置为对于解码模块解码后的原始视频图像不进行分解，对于解码模块解码后的合成视频图像根据预先确定的视频排列信息进行分解得到原始视频图像，并根据所述视频排列信息将原始视频图像发送到相应的视频显示设备上进行显示。

实际应用中，上述各实施例中的终端具体可以是视频会议终端、手机终端、机顶盒等类似的具备视频通信能力的硬件设备。

以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。工业实用性

本发明实施例的视频处理方法及装置、系统中，发送端将采集的多个视频图像按照预先协商的视频排列信息进行拼接，合成一个图像后进行编码发送；接收端接收所述图像并解码后，按照所述视频排列信息将所述图像进行分解，得到所述多个视频图像，并将所述多个视频图像发送到各自的显示设备上进行显示。

本发明实施例能够将多路原始视频图像拼接为一个合成视频图像后再进行编码和发送，确保远程呈现会议中多路视频之间的严格同步；并且，在接收所述合成视频图像后先分解为多个原始视频图像再分别由相应的视频显示设备显示，解决了视频图像输出位置的确定问题，保证远程呈现会议中多屏之间的时序严格同步，视频图像按照预先设定的位置输出，从而呈现逼真的通信效果

Claims

权利要求书

1、一种视频处理方法，所述方法包括：

对所述合成视频图像编码；

将所述编码后的合成视频图像发送出去。

2、根据权利要求 1所述的视频处理方法，其中，所述将两个或两个以上的原始视频图像拼接之前，所述方法还包括：

分别由两个或两个以上的视频采集设备采集所述两个或两个以上的原始视频图像。

3、根据权利要求 1所述的视频处理方法，其中，所述视频排列信息包括各所述原始视频图像所对应的视频采集设备的标识、各所述原始视频图像在所述合成视频图像中的位置信息、各所述原始视频图像所对应的视频显示设备的标识之间的对应关系。

4、根据权利要求 1或 3所述的视频处理方法，其中，所述将两个或两个以上的原始视频图像拼接之前，所述方法还包括：

通过与配置为接收所述视频图像的端点进行媒体能力协商，确定所述视频排列信息。

5、一种视频处理装置，其中，所述装置包括：拼接模块、编码模块和发送模块；其中，

编码模块，配置为对所述拼接模块得到的合成视频图像编码；发送模块，配置为将所述编码模块编码后的合成视频图像发送出去。

6、根据权利要求 5所述的视频处理装置，其中，所述装置还连接有两个或两个以上的视频采集设备，所述视频采集设备配置为采集所述原始视频图像。

7、根据权利要求 5所述的视频处理装置，其中，所述视频排列信息包括各所述原始视频图像所对应的视频采集设备的标识、各所述原始视频图像在所述合成视频图像中的位置信息、各所述原始视频图像所对应的视频显示设备的标识之间的对应关系。

8、根据权利要求 5所述的视频处理装置，其中，所述装置还包括：第一确定模块，还配置为通过与配置为接收所述视频图像的端点进行媒体能力协商，确定所述视频排列信息；

所述拼接模块，配置为根据所述第一确定模块确定的视频排列信息，将两个或两个以上的原始视频图像拼接，得到一个合成视频图像。

9、一种视频处理方法，所述方法包括：

对所述合成视频图像解码；

10、根据权利要求 9所述的视频处理方法，其中，所述视频排列信息包括各所述原始视频图像所对应的视频采集设备的标识、各所述原始视频图像在所述合成视频图像中的位置信息、各所述原始视频图像所对应的视频显示设备的标识之间的对应关系。

11、根据权利要求 9或 10所述的视频处理方法，其中，所述对解码后的合成视频图像分解之前，所述方法还包括：

通过与配置为发送所述合成视频图像的端点进行媒体能力协商，确定所述视频排列信息。

12、一种视频处理装置，所述装置包括：接收模块、解码模块和分解模块；其中，

13、根据权利要求 12所述的视频处理装置，其中，所述视频排列信息包括各所述原始视频图像所对应的视频采集设备的标识、各所述原始视频图像在所述合成视频图像中的位置信息、各所述原始视频图像所对应的视频显示设备的标识之间的对应关系。

14、根据权利要求 12或 13所述的视频处理装置，其中，所述装置还包括：第二确定模块，还配置为通过与配置为发送所述视频图像的端点进行媒体能力协商，确定所述视频排列信息；

15、一种视频处理方法，所述方法包括：

16、根据权利要求 15所述的视频处理方法，其中，所述将两个或两个以上的原始视频图像拼接之前，所述方法还包括：分别由两个或两个以上的视频采集设备采集所述两个或两个以上的原始视频图像。

17、根据权利要求 15所述的视频处理方法，其中，所述视频排列信息包括各所述原始视频图像所对应的视频采集设备标识、各所述原始视频图像的位置信息、各所述原始视频图像所对应视频显示设备的标识之间的对应关系。

18、根据权利要求 15或 17所述的视频处理方法，其中，所述方法还包括：进行媒体能力协商，确定所述视频排列信息。

19、一种视频处理系统，所述视频处理系统包括：拼接模块、编码模块、发送模块、接收模块、解码模块和分解模块；其中，

20、根据权利要求 19所述的视频处理装置，其中，所述拼接模块还连接有两个或两个以上的视频采集设备，所述视频采集设备配置为采集所述原始视频图像。

21、根据权利要求 19或 20所述的视频处理系统，其中，所述系统还包括：第一确定模块和第二确定模块，配置为进行媒体能力协商，确定所述视频排列信息；

22、根据权利要求 21所述的视频处理系统，其中，

所述拼接模块、编码模块、发送模块和第一确定模块设置在本端终端上，所述本端终端外接视频采集设备；

所述接收模块、解码模块、分解模块和第二确定模块设置在远端终端上，所述远端终端外接视频显示设备。

23、根据权利要求 21所述的视频处理系统，其中，所述系统还包括多点处理单元 MCU，配置为实现所述本端终端与一个或多个远端终端之间的交互。

24、根据权利要求 20所述的视频处理系统，其中，所述系统包括多个终端和 MCU，其中，所述多个终端之间互为本端终端和远端终端，通过所述 MCU进行交互；

各所述终端均外接有视频采集设备和视频显示设备，每个所述终端均包括所述拼接模块、编码模块、发送模块、接收模块、解码模块、分解模块、第一确定模块和第二确定模块；

所述 MCU中包括所述拼接模块、编码模块、发送模块、接收模块、解码模块、分解模块、第一确定模块和第二确定模块。